| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 引言 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 位置预测技术的研究现状 | 第11-13页 |
| 1.3 问题的提出 | 第13-14页 |
| 1.4 本文研究内容 | 第14页 |
| 1.5 本文组织结构 | 第14-16页 |
| 第2章 位置预测技术及相关工作 | 第16-30页 |
| 2.1 稀疏轨迹数据问题的研究 | 第16页 |
| 2.2 移动对象位置预测方法 | 第16-21页 |
| 2.2.1 基于神经网络的位置预测 | 第17-18页 |
| 2.2.2 基于Markov模型的位置预测 | 第18-19页 |
| 2.2.3 基于频繁轨迹模式的位置预测 | 第19-21页 |
| 2.3 相似度计算 | 第21-24页 |
| 2.4 聚类方法简介 | 第24-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第3章 面向稀疏轨迹数据的位置预测的问题定义和系统框架 | 第30-36页 |
| 3.1 基本定义 | 第30-31页 |
| 3.2 系统框架 | 第31-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第4章 稀疏轨迹位置预测系统的研究方法 | 第36-56页 |
| 4.1 数据处理 | 第36-42页 |
| 4.1.1 稀疏轨迹的处理 | 第36-38页 |
| 4.1.2 计算轨迹保鲜度 | 第38-39页 |
| 4.1.3 用户访问位置挖掘 | 第39-42页 |
| 4.2 频繁轨迹模式挖掘 | 第42-49页 |
| 4.2.1 时效性问题的提出 | 第42-43页 |
| 4.2.2 支持度的计算 | 第43-44页 |
| 4.2.3 区域有向图的建立 | 第44-46页 |
| 4.2.4 频繁轨迹模式的挖掘 | 第46-49页 |
| 4.3 位置预测 | 第49-55页 |
| 4.3.1 计算用户相似度 | 第50-52页 |
| 4.3.2 构建模式树 | 第52-53页 |
| 4.3.3 位置预测 | 第53-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第5章 实验分析 | 第56-68页 |
| 5.1 实验基本设置 | 第56-58页 |
| 5.1.1 基本设置 | 第56页 |
| 5.1.2 实验数据集 | 第56-58页 |
| 5.2 评价方法的制定 | 第58-60页 |
| 5.3 位置预测性能评估 | 第60-67页 |
| 5.3.1 位置预测有效性评估 | 第60-65页 |
| 5.3.2 模式挖掘效率评估 | 第65-67页 |
| 5.4 本章小结 | 第67-68页 |
| 第6章 结论 | 第68-70页 |
| 6.1 总结 | 第68-69页 |
| 6.2 未来工作 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-76页 |
| 攻读硕士学位期间的论文项目情况 | 第76页 |